用于语义分割的证据全卷积网络
计算机视觉与模式识别
2022-02-17 v1 人工智能
摘要
我们提出了一种由全卷积网络（FCN）和 Dempster-Shafer 层组成的混合架构，用于图像语义分割。在所谓的证据 FCN（E-FCN）中，编码器-解码器架构首先从输入图像中提取逐像素特征图。随后，Dempster-Shafer 层基于到原型的距离在每个像素位置计算 mass 函数。最后，效用层从 mass 函数执行语义分割，并允许对模糊像素和离群点进行不精确分类。我们提出了一种端到端学习策略，用于联合更新网络参数，该策略可利用软（不精确）标签。使用三个数据库（Pascal VOC 2011、MIT-scene Parsing 和 SIFT Flow）的实验表明，所提出的组合通过将混淆像素分配给多类集合，提高了语义分割的准确性和校准度。
引用
@article{arxiv.2103.13544,
title = {Evidential fully convolutional network for semantic segmentation},
author = {Zheng Tong and Philippe Xu and Thierry Denœux},
journal= {arXiv preprint arXiv:2103.13544},
year = {2022}
}
备注
34 pages, 21 figures